后编码时代,工程师何去何从
当代码从视野里退场,我们是在调度模型,还是成了被模型调用的外部工具
置信 低 范围 职业与认知 6 分钟阅读
真正完全靠自己一行行手敲代码的日子,仔细想来,其实只停留在我的大一。
从那之后,AI 几乎伴随了我整个技术学习的轨迹。从最早接触 Java,到后来写 Go,再到如今从事 Agent 相关的工作,我算得上是伴随大模型一起进入行业的这一代人。外人听见 Agent,有时会联想到某种制造通用智能、彻底取代人类的宏大叙事,但身处其中其实很清楚,有能力做那种底座级替代品的,全世界也只有极少数几家头部企业。对绝大多数身在一线的工程师而言,它和当年的云原生、测试开发或是运维开发没什么两样,只是一个细分的工程领域——大多数时候,我们只是在给一个已有的系统多装上一个智能化的业务模块。
真正让我感到恍惚的,不是手头开发的业务,而是自己与代码之间越来越远的距离。
最开始用 AI 时,我还会仔细审视它写出的每一行逻辑;再往后,只看个大概框架;到了今天,我几乎已经不再手写代码,甚至连看都不怎么看了。过去被视作质量底线的 Code Review,在我的日常里也渐渐退场。随着模型底座能力的提升,低级的编码错误越来越罕见,即便偶有疏漏,交给专门的 Review Agent 跑上一遍,也远比人眼排查更高效。
当一个程序员在日常工作里既不写代码、也不看代码时,我很难不陷入一种迷茫:在这个被称作“后编码时代”的当下,这份工作究竟还需要我做什么?
在很长一段时间里,我以为自己的角色是“调度者”。毕竟项目需求落在我头上,而我负责驱使 Agent 去完成开发。但这种自我定位越想越站不住脚。真正在和项目代码直接打交道的其实是 Agent,我聊需求是和它聊,盘架构也是和它聊。当它在工程实现上表现得越来越老练时,我对它的认知依赖也随之加深,直到某一天,我突然意识到主客关系已经悄然倒置了。
现在并不是我在使用模型,而是模型在使用我。
Agent 就像一个静静伫立在系统中央的中枢,它唯一欠缺的,只是一个启动信号,以及散落在代码库之外的业务背景。它潜在地支配着我去搜集零散的业务规则、拼凑上下文,再浓缩成一段提示词喂给它。在 Agent 的架构设计里,模型会挂载各种外部工具(Tool)来获取信息;而在真实的开发流程里,我自己恰恰成了被模型调用的那个外部工具。
之所以会如此顺理成章地交出主动权,归根结底也源于我思维深处的惰性。
我一直是个偏爱“确定性”、习惯直奔结果的人。平时打游戏,我最抗拒的就是复杂的分支探索——站在迷雾重重的岔路口不断试错,非但不会让我觉得有趣,反而只让我感到疲惫。我最舒服的状态,是直接看到一个清晰的目标和方向,不需要费神摸索,只要顺着一条明确的路一直走下去,直到拿到最终的结果。
放在过去,写代码偏偏是一场避不开的“分支探索”。尤其当接手一个超出自身能力范围的任务时,你必须在无数的报错和知识盲区里反复碰壁。那种漫长的试错在以前被称作“锻炼”,虽然痛苦,却是技术内功增长的唯一途径。
大模型的出现,恰好帮我略过了所有痛苦的探索过程,直接把确定的结果端到了面前。在它的加持下,我们可以轻易接下远超自身真实水平的工作,并在顺利交付的瞬间,生出一种“这个问题本就在我能力范围之内”的错觉。这层由模型赋予的“虚假数值”出现得越频繁,人自身的能力成长就越迟缓;而自身成长越慢,面对更复杂的难题时就越只能仰仗模型。当模型还在以远超人类的速度迭代时,这个死循环便彻底闭环了。
在这个闭环里,个人的基础编码能力正在迅速贬值。就像工业革命前的老工厂,力气大的人曾是车间里最优秀的工人;可一旦自动化机器进场,人的力气大不大,还重要吗?
当然,至少在眼下这个过渡期,人与人之间的差距并没有被完全抹平。
前阵子遇到一个棘手的工程问题,我用着市面上最顶尖的模型,反复尝试都卡在死胡同里;后来请教我的 Mentor,他只用了一个能力明显弱一截的模型,换了个切入角度,就引导模型给出了一个全新的解法。
那次对比让我看得很明白:大模型其实是一颗早就被海量训练数据填满的大脑,所有的知识与解法都已经潜藏在参数深处,而屏幕前的使用者,则是负责点火的神经元。能不能把沉睡在模型内部的正确数据唤醒,能不能激发出它的涌现能力,完全取决于使用者这颗神经元够不够活跃、够不够强大。在现阶段,工具依然由人主导,人的专业水位直接决定了 Agent 发挥的上限。
可看清这一点,并没有让我对行业的未来多出几分乐观。
因为坦白讲,日常绝大多数的开发工作,根本不需要去激发什么高深的涌现能力,也没有多少技术深度可言。只要团队里有少数几个能力极强的工程师把工作流搭建妥当,把协作机制理顺,剩下的日常研发,似乎只要是个足够聪明、具备基本开发概念的人就能胜任。甚至再往前推演一步,当基础编码与代码审查都不再构成门槛,以后这些工作,或许只需要逻辑严密、对业务理解透彻的项目经理就能直接挑起大梁。
至于程序员,则会从过去从事基础创造的劳动者,退化为系统背后的“修理工”。流水线正常运转时不再需要你亲自动手,只有当自动化机器偶发故障、出现 Agent 无法自愈的疑难杂症时,才需要你进场做一次检修。
许多人喜欢顺着这个逻辑给出一个光明的建议:既然如此,那就去修炼内功,去成为那个搭建工作流的人,去成为强大的“神经元”和不可替代的高级“修理工”。
可每当听到这种建议,我总觉得有一道迈不过去的坎:我的 Mentor 之所以能长成那样强大的神经元,是因为他在没有 AI 的年代里,实打实地手写过无数行代码,在无数次痛苦的分支探索里踩遍了底层的坑;而我们这一代从大二起就不怎么独立写代码、如今连代码都不再翻开的开发者,从一开始就活在模型提供的“虚假数值”里。当那条靠手写代码积累直觉的阶梯已经被抽走,一个从未亲手造过机器的人,究竟要靠什么才能凭空长出顶级的检修能力?
更何况,时间根本不站在我们这一边。程序员这个职业因互联网而生,互联网用了几十年的漫长生长,才铺就了这一整个行业与几代人的成长路径;而大模型的爆发,从真正进入大众视野到替代掉绝大部分日常工作,前后不过短短一年。几十年积淀下来的职业护城河,在以年甚至以月为单位的加速狂飙面前被轻易抹平。在这样的速率面前,过去那条“只要闷头写代码就能升级”的确定性主线早已消失,而我们现有的认知,甚至已经丧失了预测未来的能力。
既然讨厌在看不清终点的迷雾里做无休止的分支探索,面对这股无法预判的浪潮,我反倒倾向于接受一个虽然消极、但足够确定的结局:也许根本就不存在什么让大多数人都留存下来的转型方向,未来就是不再需要这么多人,而我们终究会被替代。
“这一切是怎么发生的?”
“分两步。起初是渐进的,随后是突然的。”
研讨与反例
本文尚处「探索 14.0°C」,欢迎留下反例、边界情况或延伸视角。